Dynamic World gibi uzaktan algılama veri kümeleri oluştururken sorumlu yapay zeka ilkelerini uygulama

1. Başlamadan önce

Dynamic World, neredeyse gerçek zamanlı olarak güncellenen, küresel bir arazi kullanımı arazi örtüsü (LULC) veri kümesidir. Görüntü, Avrupa Uzay Ajansı (ESA)'nın Sentinel-2 takımyıldızını ve dünya yüzeyinin 2 ila 5 günde bir güncellenmiş küresel resmini üreten Kopernik programı'nı kullandığından 10 metrelik çözünürlük sunar. Derin öğrenme modeli, Vertex AI ve jeo-uzamsal analiz platformu Earth Engine'le geliştirilmiştir. Bilim insanlarının, araştırmacıların ve geliştiricilerin değişiklikleri tespit etmesine, eğilimleri haritalamasına ve Dünya yüzeyindeki farklılıkları ölçmesine yardımcı olur.

Earth Engine, gezegen süreçleriyle ilgili bilimsel bilgileri çevresel ve sosyal fayda sağlamak amacıyla geliştirmeyi amaçlayan bir araçtır. Google Cloud'un Google Cloud önizlemesinde ticari kullanımında birincil amacının ormansızlaştırma, su yönetimi ve sürdürülebilir arazi kullanımı gibi önemli sürdürülebilirlik ve iklim sorunlarını anlayıp bunlarla mücadele etmek olduğu belirtiliyor.

Bu codelab'de, Dynamic World gibi makine öğrenimiyle türetilen veri kümelerinin oluşturulmasında sorumlu uygulamaları uygulayacaksınız.

2088c1250570b581.png

36e148bb2dee7e47.png

Neler öğreneceksiniz?

  • Uzaktan algılama uygulamalarında sorumlu yapay zeka uygulamalarını kullanma
  • Dinamik Dünya tahminlerini uzay ve zaman bazında görsel olarak yorumlama.
  • Etik sonuçlar ve aşağı doğru toplumsal etkileri değerlendirme.

Gerekenler

  • Earth Engine Uygulamaları'nda gezinme hakkında bilgi sahibi olmak.
  • Earth Engine Uygulamalarıyla en iyi çalışan Google Chrome'u seçin.

2. Dynamic World Earth Engine uygulamasını açma

Dynamic World veri kümesi, bu tabloda açıklandığı gibi dokuz LULC sınıfına ilişkin piksel başına tahminleri içerir. Arazi kullanımı, insanların araziyi nasıl kullandığını belirtirken arazi örtüsü, Dünya yüzeyindeki fiziksel malzemeyi açıklar.

LULC türü

Açıklama

Su

Kalıcı ve mevsimlik su kütleleri

Ağaçlar

Birincil ve ikincil ormanlar ile büyük ölçekli tarlalar

Çimen

Doğal çayırlar, çiftlik hayvanları ve parklar

Selden etkilenmiş bitki örtüsü

Mangrovlar ve diğer sulak ekosistemler

Tarım Ürünleri

Satır ekinleri ve çeltik ekinleri

Çalılık

Çalılardan oluşan seyrek veya yoğun açık bitki örtüsü

Yerleşim alanı

Düşük ve yüksek yoğunluklu binalar, yollar ve kentsel açık alanlar

Çıplak zemin

Çöller ve çıplak kaya

Kar ve buzlanma

Kalıcı ve mevsimsel kar örtüsü

59f3307e44102fa1.png

Bu veri kümesindeki görüntüler, 10 bant içerir: dokuz LULC sınıfından her biri için tahmini olasılıklar olan dokuz bant ve tahmini en yüksek olasılığa sahip sınıfı belirten bir sınıf etiketi bandı. Bu farklı mülkler, kullanıcıların birden fazla zaman aralığı analizi yapmalarına ve ihtiyaçlarına uygun özel ürünler oluşturmalarına olanak tanır.

Dynamic World Earth Engine Uygulaması'nı açmak için:

  1. Tarayıcınızda başka bir sekme açın,
  2. Dinamik Dünya'ya gidin.

Harita, yüksek yakınlaştırma seviyelerinde Top1 modu mozaiği ve gölgede gölgeler gösteriyor.

64e61170e4b4b27a.gif

  1. Zaman içindeki sınıf olasılıklarını gösteren bir grafiği görüntülemek için haritayı tıklayın.
  2. Belirli bir tahmini ve Sentinel-2 görüntüsünü yüklemek için grafikteki bir veri noktasını tıklayın.
  3. Katmanlar bölmesinde, katmanları ve görünürlüğü ayarlayın.

3. Brezilya'da Dinamik Dünya tahminlerini keşfetme

Dinamik Dünya, dokuz LULC sınıfının tamamından tahminler içerir ve her piksel için tek bir Top1 etiketi görüntüler. Gerçek dünya, herhangi bir uzamsal çözünürlükdeki birçok LULC sınıfının bir karışımıdır. Bu bölümde, uzay ve zaman içindeki tahminleri görsel olarak yorumlayabilirsiniz.

Brezilya'da Dinamik Dünya tahminlerini keşfetmek için:

  1. Tarayıcınızda Dynamic World EE uygulamasına gidin.
  2. Yer ara alanına Sete de Setembro, Brazil yazın.

Brezilya'nın Rondônia eyaletinin Sete de Setembro bölgesinde yaşayan Paiter Surui yerlilerine ait Dinamik Dünya'nın işlem verilerini görürsünüz.

  1. Dinamik Dünya bölmesinde, Başlangıç tarihi alanına 2016-01-01 değerini ve Bitiş tarihi alanına 2022-01-01 değerini girip Güncelle'yi tıklayın.

Gerçek zamanlı hesaplama yaptığından, haritanın yüklenmesi birkaç dakika sürebilir.

3bf4f71e86f14c3a.png

  1. Gerçek zamanlı olarak bir grafik oluşturmak için harita üzerinde herhangi bir yeri tıklayın.

Daha hızlı yanıt almak için daha fazla yakınlaştırabilirsiniz.

2d54236b6c4a69b4.png

  1. Sınıf olasılıklarının y ekseninde, sürenin ise x ekseninde olduğu grafiği inceleyin.

Bu örnekte, 1 Ocak 2016 ile 27 Temmuz 2017 tarihleri arasındaki Top1 sınıfı tahmini ağaçtır. Bu tahmin 0,684 ile 0,755 arasında değişen bir olasılıktır. 5 Eylül 2017'de bir sonraki Sentinel-2 sahnesi çekildiğinde, tahmin artık ağaç olmaktan çıkacak ve sinyal daha karmaşık hale gelecektir.

  1. Grafiği büyütmek için f01f62bf4be1e38a.png simgesini tıklayın.

944eb17c0c483e43.png

4. Tebrikler

Dynamic World gibi makine öğrenimiyle türetilen veri kümeleri oluştururken sorumlu yapay zeka ilkelerini uygulamayı öğrendiniz.

Daha fazla bilgi